這幾學期用設計思考帶孩子做 AI Coding,我有些反思
孩子花了很多時間訪談、整理、定義問題,等到真的打開 AI 開始寫程式的時候,已經沒什麼力氣了。
就算App 做出來了,問他某個功能在做什麼,只會說「AI 做的」,或是最後才發現,使用者根本用不上。
AI 讓「做出來」變得很容易。
但孩子缺的不是做出來的能力,而是驗證的能力,尤其是「看懂」和「有用」這兩層。
我想梳理一下自己的想法重新設計自己的教學
從 Matt Pocock 學到:#先問清楚,才動手
Matt Pocock 讓我印象最深的,不是哪一個 skill 特別強,而是他把整個開發過程串成一條流程。/grill-me 先追問,把模糊的想法逼清楚;/to-spec`把討論整理成 PRD;/to-tickets 把 PRD 切成一個 context window 做得完的小任務;最後才是 /implement。
這條流程裡,人負責決定方向、切換階段、檢查結果,agent 負責執行。它提醒我:寫程式之前,最該花力氣的是把「我要解決什麼問題」說清楚。
從 Lauren Tan 學到:#驗證是最重要的步驟
她整套方法的核心是信任:能放手讓 agent 做多少,取決於你有多信任它的成果。而信任靠的是證據,不是 agent 說一句「我做好了」。
所以她做了 /create-verification-skill,讓 agent 自己把程式跑起來、照著 feature map 操作每一個功能、留下證據。
她的skills裡還有另一類讓我很在意:/teach、/statechart 這些 skill,用一張一張的圖解釋系統怎麼運作、狀態怎麼轉換。
驗證不只是「它能不能跑」,也包括「我懂不懂它在做什麼」。
把這兩個人的做法放在一起,我整理出一個驗證優先的 AI Coding 流程,畫成 V 字形。
找出問題:用 /grill-me讓 AI 一次問一題,直到我說得清楚要做什麼、解決什麼問題。
寫出PRD:用 /to-spec 把討論結果轉成 PRD,讓 AI 清楚計畫和條件。
AI Coding:專案大的話先用 to-tickets切分,簡單的就直接 /implement。
理解程式: 用 /teach或 /statechart建立自己對整個程式的理解,看懂了再往上走。
測試功能:用 /create-verification-skill 做 runtime 驗證,再自己照 PRD 操作一輪。
試用:放到真實情境裡用,看它是不是真的解決了一開始的問題。沒有的話,快速迭代、快速更新。
看懂了嗎(Understanding):我能不能解釋 AI 做了什麼,知不知道整個程式大概的形狀。這一層在 V 的底層,對照的是 AI 剛做出來的東西。
做對了嗎(Verification):做出來的東西和 PRD 一樣嗎?這一層對照的是功能是否跟規格相符。
有用嗎(Validation):使用者的問題真的解決了嗎?這一層對照的是一開始找到的問題。
大人最常跳過的是「看懂」。我們很清楚怎麼驗證「做對了嗎」,有測試、有驗證 skill,也知道要拿給使用者試,但很容易因為程式能跑就不去理解它。
孩子三層都不太行。不過「做對了嗎」只要有一份 PRD 就撐得起來,孩子可以拿著 PRD 逐條比對。真正要特別補的,是「看懂」和「有用」。
找出問題:訪談或觀察使用者,找出他們還沒被解決的問題。
寫出PRD:寫下具體的使用者、希望解決的問題和具體的功能,跟 AI 討論出初步的 PRD。
AI寫程式
理解程式:孩子要自己畫出流程圖,說明整個程式大概怎麼走、每個部分的目的和功能。看不懂的地方,可以請 AI 用白話解釋「按下去之後發生什麼事」,但圖一定要孩子自己畫,不能讓 AI 直接畫。
測試功能:根據 PRD 逐條測試,確認每個功能都做出來了。
試用:回去找當初訪談的人實際使用,根據回饋快速迭代。
這不是說設計思考裡「找到對的問題」不重要。
設計思考本來就有原型、測試和迭代。差別在於以前做一個能用的原型很貴,所以教學時大部分的時間花在同理和定義。
現在 AI 幾分鐘就能做出一個可以操作的原型,或許順序可以反過來:不是先想清楚再做,#而是做出來幫助自己想清楚。
我自己就是這樣。在程式還沒有原型之前,我對自己要什麼其實沒有很清楚的想像;有了原型當參考,我就能很明確地說:這個、這個我不要,其他留下來。
孩子和使用者也一樣。與其把力氣耗在第一次訪談、想把問題一次想完美,不如帶著原型回去。使用者看到東西,才說得出真正的需要。更有價值的問題,往往是從實作裡長出來的。
另一個差別是驗證的對象。設計思考的測試,主要是回去問使用者;這個流程多了兩層:拿自己寫下的 PRD 來對照,以及確認自己真的看懂 AI 做了什麼。
不過學生版也是滾動式修正,具體如何還是要等孩子的反饋才知道